Академический Документы
Профессиональный Документы
Культура Документы
MÉTODO GRÁFICO :
El método gráfico se utiliza para la solución de problemas de PL,
representando geométricamente a las restricciones, condiciones
técnicas y el objetivo.
El modelo se puede resolver en forma gráfica si sólo tiene dos
variables. Para modelos con tres o más variables, el método gráfico
es impráctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el
método es llamado método gráfico en actividad. Cuando se relacionan
las restricciones tecnológicas se denomina método gráfico en
recursos.
SOLUCION GRAFICA:
a. Valor factible: valores para las de decisión que satisfacen todas
las restricciones.
b. Valor infactible: valores para las variables de decisión que no
satisfacen todas las restricciones.
c. Región factible: el conjunto de valores para las variables de
decisión en un programa lineal que satisface todas las
restricciones.
d. Solución factible: una solución en la que las variables de
decisión son factibles.
e. Punto extremo: el punto esquina de una región factible.
f. Línea de función objetivo: línea utilizada en el método gráfico en
la cual todos los puntos sobre la línea tienen el mismo valor de
función objetivo.
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
CARACTERÍSTICAS:
Las características claves asociados con la solución gráfica de un
problema de programación lineal con dos variables y algunas
restricciones de desigualdad son las siguientes:
Obtener la región factible realizando lo siguiente para cada
restricción:
• Reemplazar el signo de desigualdad con un signo de igualdad.
• Trazar la línea resultante encontrando dos puntos
distintos en esa línea.
• Identificar el lado factible de la línea.
La región factible, entonces, consiste en aquellos puntos que
satisfacen todas las restricciones simultáneamente.
Obtener una solución optima mediante los siguientes pasos:
• Seleccionar cualquier punto dentro de la región factible.
• Trazar la línea de la función objetivo a través del punto
elegido.
• Determinar el lado de mejora de la línea de la función
objetivo.
• Mover la línea de la función objetivo en forma paralela a si
misma en la dirección de mejora hasta que la línea este a
punto de dejar la región factible.
• Calcular los valores de las variables en la solución optima
resolviendo las dos ecuaciones de las dos líneas que pasan
por ese punto.
EJEMPLOS:
1.-Resuelva el siguiente problema lineal por el Método Gráfico:
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Max .z =−x1 +2 x 2
s.a :
6 x1 −2 x 2 ≤3
−2 x1 +3 x 2 ≤6
x1 +x 2 ≤3
xi ≥0
Solución:
Para resolver este problema lineal con dos variables de decisión
se utilizó el programa GLP para graficar, en los resultados
mostrados se observan las restricciones, la región factible, los
valores óptimos de las variables de decisión y la solución óptima
del problema.
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Solución:
a) x1 = 1.1 , x2 = 3.6
Con un Valor Óptimo de 12.7
b) La región factible tiene 4 puntos extremos.
c) Cambiando la función objetivo se tiene las soluciones optimas
alternativas:
• x1 = 2.7 , x2 = 1.7
• x1 = 1.1 , x2 = 3.6
Con un Valor Óptimo de 60.
METODO SIMPLEX
La mayoría de los problemas de programación lineal tienen más de
dos variables de decisión, y son, por ende, demasiado grandes para
una solución gráfica.
Un procedimiento llamado el Método Simplex puede ser utilizado para
encontrar la solución óptima de los problemas con multivariantes.
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
PROCEDIMIENTO:
1. Determinar cuales variables formaran parte de la próxima mezcla
solución. Identificar la columna, y por ende la variable, con el
numero positivo mayor en el renglón CJ - ZJ de la tabla previa. Este
paso significa que ahora se producirá parte del producto que atribuye
la mayor utilidad adicional por unidad.
2. Determinar que variable se va a reemplazar. Ya que apenas se a
elegido la nueva variable que se incluirá en la mezcla solución, se
debe decidir que variable actual en la solución se debe remover para
hacer espacio. Para hacerlo, se divide cada cantidad, entre el numero
correspondiente en la columna seleccionada del paso 1. El renglón,
cuyo resultado del calculo sea el menor número no negativo, será
reemplazado en la siguiente tabulación (este numero menor, de paso,
da el máximo numero de unidades de la variable que pueden ser
colocados en la solución). Este renglón generalmente es referido
como “renglón pivote” y la columna identificada en el paso 1 es
llamada la columna pivote. El número en la intersección del renglón
pivote y la columna pivote es el elemento pivote.
3. Calcular los nuevos valores para el renglón pivote. Para
encontrarlos, simplemente se divide cada numero de renglón entre el
elemento pivote.
4. Calcular los nuevos valores para los renglones restantes.(en los
problemas hay únicamente dos reglones en la tabla, pero la mayoría
de los problemas mas grandes tienen muchas mas filas.
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Solución:
x1 : Numero de walkman que se producirán.
x2 : Numero de watch-Tv. que se producirán.
Tabla original:
HORAS REQUERIDAS PARA
DEPARTAMENTO PRODUCIR UNA UNIDAD. HS.
X1(WALKMAN) X2(WATCH-TV)
DISPONIBLES
ESTA SEMANA
Electrónica 4 2 240
Ensamble 3 1 100
Utilidad / unidad $7 $ 5
CJ $7 $ 5 $0 $0 CANTIDAD
MEZCLA X1 X2 S1 S2 (RHS)
SOLUCION
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
$0 S1 2 1 1 0 100
$0 S2 4 3 0 1 240
ZJ $0 $0 $0 $0 $0
CJ - Z J $7 $5 $0 $0 Utilidad
total
Segunda tabla:
CJ $7 $ 5 $0 $0 CANTIDAD
MEZCLA X1 X2 S1 S2 (RHS)
SOLUCION
$7 X1 1 1/2 1/2 0 50
$0 S2 0 1 -2 1 40
ZJ 7 7/2 7/2 0 350
CJ - Z J 0 3/2 -7/2 0
Tercera tabla:
CJ $7 $ 5 $0 $0 CANTIDAD
MEZCLA X1 X2 S1 S2 (RHS)
SOLUCION
$7 X1 1 0 3/2 -1/2 30
$5 X2 0 1 -2 1 40
ZJ 7 5 1/2 3/2 $ 410
CJ - Z J 0 0 -1/2 -1/2
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Se producirán:
• 3 0 w a l k m a n ( X 1 ) , 40 watch-Tv. ( X2 )
Utilidad: $410
PROBLEMA DE MINIMIZACION:
CJ - ZJ : la nueva variable que participara en la solución de cada
tabla (la columna pivote) será aquella con el numero negativos mas
grande en el reglón CJ - ZJ , entonces se elegirá la variable que
disminuya los costos mas posibles, se logra una solución optima
cuando todos los números en el reglón CJ - ZJ son cero o positivo,
justo lo opuesto del caso de maximización.
EJEMPLO 2:
La Menphis Chemical Corp. debe producir 1000 libras de una mezcla
especial de fosfato y potasio para un cliente.
El fosfato cuesta 5 dólares/libra y el potasio 6 dólares/libra. N se
pueden utilizar más de 300 libras de fosfato y se deba utilizar cuando
menos 150 libras de potasio.
a) Formule esto como un problema de programación lineal y
convertir las restricciones y función objetivo en la forma
necesaria para el algoritmo simples.
b) Darle solución.
Solución:
X1 : Numero de libras de fosfato en la mezcla.
X2 : Numero de libras de potasio en la mezcla.
Minimización 5X1 + 6X2
s.a.
X1 + X2 = 1000
X1 <= 300
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
X2 >= 150
X1 , X2 >= 0
Nota:
Si tenemos una restricción de igualdad tal como X1 + X2 =
1000. Para convertir una igualdad simplemente se suma una
variable artificial (A1) a la ecuación:
X1 + X2 + A1 = 1000
Una variable artificial es una variable que no tiene
significado físico en términos de P.L. del mundo real.
Simplemente permite crear una solución factible básica para
iniciar el algoritmo simple. A una variable artificial no se le
permite aparecer en la solución final del problema.
Para manejar restricciones <=, primero se suma una variable
“holgura” (S1) para formar una nueva ecuación:
X1 + 1S1 = 300
Luego la tabulación esta establecida igual que antes nótese la
presencia de los costos $M asociado con las variables
artificiales A1 y A2, pero se les trata como si fuera cualquier
numero muy grande. Tienen el efecto de forzar a las variables
artificiales fuera de la solución rápidamente debido a sus
grandes costos.
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Tabla inicial:
CJ 5 6 0 0 M M
MEZCLA X1 X2 S1 S2 A1 A2 CANTIDAD
SOLUCION
$M A1 1 1 0 0 1 0 1000
$0 S1 1 0 1 0 0 0 300
$M A2 0 1 0 -1 0 1 150
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
$M A2 0 1 0 -1 0 1 150
ZJ $M $M 0 -$M $M $M $1150M
CJ - ZJ -$M+5 -$2M+6 0 $M 0 0 COSTO TOTAL
Renglón A1 Renglón S1
1 = 1-(1)(0) = 1 1 = 1-(0)(0) = 1
0 = 1-(1)(1) = 0 0 = 0-(0)(1) = 0
0 = 0-(1)(0) = 0 1 = 1-(0)(0) = 1
1 = 0-(1)(-1) = 1 0 = 0-(0)(-1) = 0
1 = 1-(1)(0) = 1 0 = 0-(0)(0) = 0
1 = 0-(1)(1) = -1 0 = 0-(0)(1) = 0
850 = 1000-(1)(150)=850 300 = 300-(0)(1)=300
Segunda tabla:
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
CJ MEZCLA 5 6 0 0 M M
SOLUCION X1 X2 S1 S2 A1 A2 CANTIDAD
$M A1 1 0 0 1 1 -1 850
$0 S1 1 0 1 0 0 0 300
$6 X2 0 1 0 -1 0 1 150
ZJ M 6 0 M-6 M -M+6 850M+900
CJ - Z J -M+5 0 0 -M+6 0 -2M-6 COSTO
TOTAL
Tercera tabla:
CJ 5 6 0 0 M M
MEZCLA X1 X2 S1 S2 A1 A2 CANTIDAD
SOLUCION
$M A1 0 0 -1 1 1 -1 550
$5 X1 1 0 1 0 0 0 300
$6 X2 0 1 0 -1 0 1 150
ZJ 5 6 -M+5 M-6 M -M+6 550M+2400
CJ - Z J 0 0 M-5 -M+6 0 2M-6 COSTO
TOTAL
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Renglón A1 Renglón X2
0 = 1-(1)(1) = 0 0 = 0-(0)(1) = 0
0 = 0-(1)(0) = 0 1 = 1-(0)(0) = 1
-1 = 0-(1)(1) = -1 0 = 0-(0)(1) = 0
1 = 1-(1)(0) = 1 -1 = -1-(0)(0)= -1
1 = 1-(1)(0) = 1 0 = 0-(0)(0) = 0
-1 =-1-(1)(0) = -1 1 = 1-(0)(0) = 1
550 = 850-(1)(300)=850 150 = 150-(0)(300)=150
La variable S2 entrara en la próxima solución y tendrá que salir
S2 ; quedando la cuarta tabla siguiente:
Cuarta tabla:
CJ 5 6 0 0 M M
MEZCLA X1 X2 S1 S2 A1 A2 CANTIDAD
SOLUCION
$0 S2 0 0 -1 1 1 -1 550
$5 X1 1 0 1 0 0 0 300
$6 X2 0 1 -1 0 1 0 700
ZJ 5 6 -1 0 6 0 5700
CJ - Z J 0 0 1 0 M-6 M COSTO
TOTAL
Renglón X1 Renglón X2
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
1 = 1-(0)(1) = 1 0 = 0-(-1)(0) = 0
0 = 0-(0)(0) = 0 1 = 1-(-1)(0) = 1
1 = 1-(0)(1) = 1 -1 = 0-(-1)(-1) = -1
0 = 0-(0)(0) = 0 0 = -1-(-1)(1) = 0
0 = 0-(0)(0) = 0 1 = 0-(-1)(1) = 1
0 = 0-(0)(0) = 0 0 = 1-(-1)(-1) = 0
300 = 300-(0)(300)=300 700 = 150-(-1)(550)=700
Por lo tanto:
X1 = 300 libras de fosfato
X2 = 700 libras de fosfato
V.O. = 5700
ANÁLISIS DE DUALIDAD
El modelo de PL. que desarrollamos para una situación se conoce
como matemática estrechamente relacionada, que se deriva
directamente del problema primal. En la mayor parte de los
tratamientos de la PL, la dual se define para varias formas de la
primal, dependiendo del sentido de optimización (maximización o
minimización), de los tipos de las restricciones (<=,>= y =) y del
signo de las no negativas y no restringidas).
En este modulo presentamos una sola definición, que
automáticamente incluye todas las formas de la primal. La definición
supone que el problema primal se expresa en la forma estándar,
entonces se define como:
Maximice o Minimice Z = ΣCjXj
Sujeta a
Σ aijxij = bi, i=1, 2,…, m
X j>= 0, j=1, 2,…, n
Las variables X j, j=1, 2,…, n, incluyen superávit y Holguras si los
hay. La forma estándar tiene tres Propiedades:
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
EJEMPLO DE MAXIMIZACION:
Considere el siguiente modelo de programación lineal.
MODELO PRIMAL
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Solución:
a) Minimizar Z = 8Y1+ 6Y2
Sujeto a
1Y1 + 2Y2 >= 10
4Y1 + 3Y2 >= 20
Y1, Y2 >= 0
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
EJEMPLO DE MINIMIZACION:
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
MODELO PRIMAL
Solución:
ANÁLISIS DE SENSIBILIDAD
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
EJEMPLO
Se formuló el problema de la mezcla de producto de Shader
Electronic de la siguiente manera, utilizando la programación lineal:
Maximizar Z = 7X1 + 5X2
Sujeto a:
2X1 + 1X2 <= 100(ensamble)
4X1 + 3X2 <= 240(electrónica)
X1, X2 >= 0
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010
FACIULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS
Administración de Operaciones
Ing. Patricia Espinoza Becerra
23/11/2010